月之暗面推出数学模型k0-math，对标OpenAI o1

今天，京东科技大厦迎来了一场备受关注的发布。月之暗面创始人杨植麟正式揭开了其数学模型 k0-math 的面纱。这款模型在数学能力上直接对标 OpenAI 的 o1 系列，同时公布了一组关键数据：截至2024年10月，Kimi 的月活跃用户已突破3600万。

在阐述技术路径时，杨植麟将焦点投向了强化学习。他指出，未来的重心将不仅仅是基于静态数据集预测下一个词（Next-Token Prediction），因为这种方式难以应对更复杂的任务。关键在于赋予AI“思考”的能力。而强化学习，正是通往这一目标的重要路径。

这就像解一道数学题，真正的价值不仅在于最终答案，更在于理解其解题思路和一步步的推导过程。这是一个深度思考的链条，而传统的预测方法难以捕捉这种链条。

为何选择数学作为突破口？杨植麟引用了伽利略的名言——数学是宇宙的语言。数学场景应用广泛，且无需与外界进行复杂交互，自成一体，是锤炼AI思考能力的绝佳“训练场”。OpenAI的o1模型也遵循了相似的逻辑。k0-math正是从数学这一核心场景出发，再将其推理能力泛化至更广泛的任务中。

具体而言，当面对一道高难度竞赛题时，k0-math可能会进行大量、多样的尝试。或许在八九种解法都未能直接通向答案后，它能综合前几种思路的精髓，最终整合出一条正确的解题路径。

k0-math模型性能表现

性能如何？根据公布的基准测试结果，k0-math初代模型的数学能力已可对标OpenAI o1系列中公开可用的o1-mini和o1-preview模型。在中考、高考、考研以及包含入门竞赛题的MATH基准测试中，k0-math的成绩实现了超越。而在难度更高的竞赛级题库OMNI-MATH和AIME上，其表现也分别达到了o1-mini最佳成绩的90%和83%。

据悉，强化版的k0-math模型将在未来一到两周内，搭载于Kimi探索版中与用户见面。新版本将突出三大特点：意图增强、信源分析与链式思考。

强化学习的技术挑战与“过度思考”

从技术层面看，这种深度思考模式带来了新的挑战。在强化学习中，模型生成的大量“思考数据”是否都有用、是否正确，成为核心问题。这与处理静态数据的传统预测模式不同，对奖励模型的设计与训练提出了更高要求。关键在于如何设置更有效的奖励机制，引导模型尽可能减少学习错误数据。

这种机制也带来了一个有趣的“副作用”——过度思考。例如，当被问到“1+1等于几”时，k0-math可能会煞有介事地展开一整套推理过程，最后才得出结论“等于2”。杨植麟解释，这是因为当前的奖励模型并未对思考长度设限，允许其自由思考。当然，通过调整奖励模型的结构，可以在一定程度上抑制这种过度思考。

关于用户体验，杨植麟透露，搭载了强化版k0-math的Kimi探索版很可能会让用户自主选择是否使用。这种设计在早期有助于更好地匹配用户预期与分配算力。这背后涉及两个技术考量：一是模型需要智能地动态分配最优算力，如同人类知道简单问题无需深思；二是这是一个成本持续优化的过程。

展望未来，k0-math的推理能力将从数学领域，逐步泛化至物理学、化学、生物医学等更多学科场景。

克制与聚焦：月之暗面的产品哲学

回顾过去一年，月之暗面的步伐清晰而稳健：去年今日，Kimi Chat全面开放服务；今年10月，推出AI搜索功能；直至今天发布k0-math。三个关键动作，恰好走过一年。

与行业内许多公司相比，月之暗面的产品策略显得尤为克制。杨植麟将这种克制归因于主动的“业务减法”。团队选择聚焦于那些最接近AGI（通用人工智能）上限的事情，并力求做到极致。同时，公司始终保持“卡（算力）与人（才）”比例的最高化。

尽管去年整个行业经历了大规模扩张，但月之暗面至今仍是头部大模型公司中人数最少的团队，规模控制在200人以内。“我们不希望把团队扩得太大，规模过大对创新是致命的。如果想保持团队的精干，最好的方式就是在业务上做减法。”杨植麟坦言，公司早期也尝试过多个产品并行，短期内或许有效，但最终发现，聚焦于一个产品并将其做到极致才是关键。否则，创业公司很容易失去自身优势，变得与大型机构无异。

目前，Kimi最核心的任务是提升用户留存率。

预训练仍有空间，强化学习引领范式变革

面对当前业界关于Scaling Laws（缩放定律）是否“撞墙”的激烈辩论，杨植麟给出了他的判断：预训练仍有发展空间，这一空间将在明年被充分释放，领先的模型会把预训练推向极致。

然而，接下来更重要的变革将来自技术范式层面——即强化学习带来的改变。这本质上依然是一种“缩放”，但方法已然不同。Scaling Laws是否触及上限，核心在于数据的使用方式。过去依赖静态数据集的方式相对简单直接，而现在通过强化学习，结合了人类标注的智慧（例如，人工标注100条高质量数据就能产生巨大杠杆效应），其余则交由AI自主思考。这种“AI+人类”的协同模式，其潜力上限是非常高的。